CN107610176A - 一种基于Kinect的栈板动态识别与定位方法、系统及介质 - Google Patents
一种基于Kinect的栈板动态识别与定位方法、系统及介质 Download PDFInfo
- Publication number
- CN107610176A CN107610176A CN201710829915.7A CN201710829915A CN107610176A CN 107610176 A CN107610176 A CN 107610176A CN 201710829915 A CN201710829915 A CN 201710829915A CN 107610176 A CN107610176 A CN 107610176A
- Authority
- CN
- China
- Prior art keywords
- pallet
- point
- plane
- cloud
- point cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明提供一种基于Kinect的栈板动态识别与定位方法、系统及介质，该方法包括：1.计算相机外参；2.获取彩色和深度图像，将二者对齐，根据灰度和深度数据筛选有效点并转为点云；3.对步骤2得到的点云进行预处理操作；4.对步骤3处理后的点云进行欧氏聚类；5.处理步骤4得到的聚类体，提取特征平面；6.匹配特征平面点云与栈板前端面；7.进行几何计算，确定栈板相对于世界坐标系原点的位置和偏转角度。本发明的有益效果是：本发明主要以栈板的前端面为特征结合栈板的三维尺寸进行识别，鲁棒性强，可以在视野中仅存在半个端面的情况下准确的识别出栈板中设定的目标点并计算出其几何中心的位置，动态性能良好，定位准确。
Description
技术领域
本发明涉及计算机视觉识别技术领域，尤其涉及一种基于Kinect的栈板动态识别与定位方法、系统及介质。
背景技术
近年来，随着物流产业的飞速发展，自动化的物流和仓储系统获得了越来越多的关注，其中，可以自主完成货物搬运和放置的智能叉车占有重要地位，而叉车完成自动搬运任务的关键在于能否准确的识别和定位栈板。
在算法方面，目前栈板识别算法可以分为给栈板添加人工标记和不添加两种，添加人工标记的方法即指在栈板的端面粘贴二维码、反光贴等易于识别和定位的特征标记，通过安装在叉车上的相机对标记进行识别进而定位栈板，但这种方法需要对每一个栈板进行改造，人工和时间成本较高，而且标记在使用过程中很容易受损从而导致识别的不稳定；不添加标记的方法通常使用水平安装的激光雷达检测栈板端面，但从经济方面考虑，激光雷达的价格高昂，不利于降低工业产品的成本。
在传感器方面，物体识别经常使用的CCD/CMOS相机对环境光照条件要求较高，难以在光照不均匀或者经常变化的环境中保持识别的准确性，而且单目相机难以直接获得深度信息，双目相机需要消耗很大的计算资源。
发明内容
本发明提供了一种基于Kinect的栈板动态识别与定位方法，包括如下步骤：
步骤1：Kinect传感器通过采集地面的深度数据结合相机内参计算从相机坐标系到世界坐标系的转换矩阵；
步骤2：通过Kinect获取彩色和深度图像，并将彩色图和深度图中的像素对齐，遍历像素，根据灰度和深度数据筛选有效的数据点并将其转换为空间三维点云；
步骤3：对步骤2得到的点云进行预处理操作；
步骤4：对步骤3得到的点云进行欧氏聚类，得到一个或者多个聚类物体；
步骤5：处理步骤4得到的聚类体，提取所有聚类体中与地面方程的法向量平行的特征平面；
步骤6：逐个处理步骤5提取出的特征平面，由点云的分布情况找到突变点，根据突变点的数量和排列顺序判断特征平面是否符合栈板前端面的三维形状；
步骤7：根据步骤6找到的点云分布的突变点和栈板前端面平面方程，进行几何上的计算，确定栈板相对于世界坐标系原点的位置和偏转角度，实现栈板的定位。
作为本发明的进一步改进，所述步骤1中计算转换矩阵的方法如下：
步骤1.1：将Kinect传感器放置于相对地面固定的位置，视角倾斜向下；
步骤1.2：通过相机内参矩阵把深度图转换为点云，使用随机抽样一致算法在每帧点云中分割出地面并计算其平面方程，然后提取所有内点坐标写入内存；
步骤1.3：重复步骤1.2直到采集到足够多的点，使用最小二乘法拟合平面求解超定方程组，得到在相机坐标系下足够精确的地面方程；
步骤1.4：以步骤1.3得到的地面方程的法向量为世界坐标系Z轴，相机坐标系下X轴在地平面上的投影方向为世界坐标系X轴，相机坐标系下Z轴在地平面的投影方向为世界坐标系Y轴，计算从相机坐标系到世界坐标系的转换矩阵。
作为本发明的进一步改进，所述步骤2的筛选有效点并将其转换为空间三维点云的方法如下：
步骤2.1：将Kinect获取的深度和彩色图像对齐之后，使用OpenCV相应函数把彩色图转为灰度图；
步骤2.2：同时遍历步骤2.1中得到的灰度图和深度图，将灰度和深度都符合条件的像素提取出来；
步骤2.3：把步骤2.2中得到的像素通过相机内参矩阵和步骤1中的坐标系转换矩阵从二维图像坐标系转换至三维世界坐标系，得到点云。
作为本发明的进一步改进，所述步骤3中的预处理操作包括：
步骤3.1：通过点云库PCL的相应方法，把得到的点云按照每立方厘米保留一个点的方式进行降采样，以达到在不破坏点云几何特征的情况下大幅度降低后续点云处理的计算量；
步骤3.2：通过点云库PCL的相应方法，把步骤3.1得到的点云进行半径滤波处理以去除离群点，减小噪声的干扰。
作为本发明的进一步改进，所述步骤6中判断特征平面是否为栈板前平面的方法是运用特征平面的点云分布结合栈板真实的三维形状，步骤如下：
步骤6.1：把特征平面点云中所有点根据X坐标大小进行排序，取极大极小值并计算单位长度点的数量；
步骤6.2：根据X坐标极值设定若干区间，统计每一区间内点的数量，寻找点数量突然低于平均值或突然高于平均值的区间并按顺序记录；
步骤6.3：根据步骤6.2中得出的突变区间的顺序与栈板的实际三维形状进行匹配以确定该特征平面是否是栈板的前端面。
作为本发明的进一步改进，将步骤1计算所得出的转换矩阵填写进参数文件，后续的点云处理和目标定位等均在此世界坐标系下进行，算法运行过程中需保证相机光心在同一平面内运动。
作为本发明的进一步改进，在所述步骤5中，处理步骤4中得到的聚类体，使用PCL库封装的随机抽样一致算法从聚类体中提取平面并得到这些平面的平面方程，记为Ax+By+Cz+D＝0，则平面法向量为[A B C]’，由于点云已在世界坐标系下故依据C是否足够小来判断该平面是否与地面垂直，若垂直则视为特征平面。
作为本发明的进一步改进，
在所述步骤6.1中，把特征平局内所有点根据X坐标大小进行排序，取极大极小值并计算单位X坐标点的平均数量；
在所述步骤6.2中，根据X坐标极值设定若干区间，统计每一区间内点的数量，寻找点数量突然低于平均值或突然高于平均值的区间并将这些区间的中点分别记为0和1，同时计算0与1间的几何距离，0为下降沿点，1为上升沿点；
在所述步骤6.3中，根据步骤6.2中得出的上升下降沿的顺序及几何距离与栈板的实际三维形状进行匹配以确定该特征平面是否是栈板的前端面。
本发明还提供了一种基于Kinect的栈板动态识别与定位系统，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现权利要求1-8中任一项所述的方法的步骤。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现权利要求1-8中任一项所述的方法的步骤。
本发明的有益效果是：本发明主要以栈板的前端面为特征结合栈板的三维尺寸进行识别，鲁棒性强，可以在视野中仅存在半个端面的情况下准确的识别出栈板中设定的目标点并计算出其几何中心的位置，动态性能良好，定位准确。
附图说明
图1是本发明流程图。
图2是本发明的识别定位算法的流程图。
图3是提取出的栈板前端面点云图。
图4是栈板的目标点位置及向量方向的说明图。
具体实施方式
如图1所示，本发明公开了一种基于Kinect的栈板动态识别与定位方法，包括如下步骤：
步骤1：Kinect传感器通过采集地面的深度数据结合相机内参计算从相机坐标系到世界坐标系的转换矩阵；
步骤2：通过Kinect获取彩色和深度图像，并将彩色图和深度图中的像素对齐，遍历像素，根据灰度和深度数据筛选有效的数据点并将其转换为空间三维点云；
步骤3：对步骤2得到的点云进行预处理操作；
步骤4：对步骤3得到的点云进行欧氏聚类，得到一个或者多个聚类物体；
步骤5：处理步骤4得到的聚类体，提取所有聚类体中与地面方程的法向量平行的特征平面；
步骤6：逐个处理步骤5提取出的特征平面，由点云的分布情况找到突变点，根据突变点的数量和排列顺序判断特征平面是否符合栈板前端面的三维形状；
步骤7：根据步骤6找到的点云分布的突变点和栈板前端面平面方程，进行几何上的计算，确定栈板相对于世界坐标系原点的位置和偏转角度，实现栈板的定位。
所述步骤1中计算转换矩阵的方法如下：
步骤1.1：将Kinect传感器放置于相对地面固定的位置，视角倾斜向下；
步骤1.2：通过相机内参矩阵把深度图转换为点云，使用随机抽样一致算法在每帧点云中分割出地面并计算其平面方程，然后提取所有内点坐标写入内存；
步骤1.3：重复步骤1.2直到采集到足够多的点，使用最小二乘法拟合平面求解超定方程组，得到在相机坐标系下足够精确的地面方程；
步骤1.4：以步骤1.3得到的地面方程的法向量为世界坐标系Z轴，相机坐标系下X轴在地平面上的投影方向为世界坐标系X轴，相机坐标系下Z轴在地平面的投影方向为世界坐标系Y轴，计算从相机坐标系到世界坐标系的转换矩阵。
所述步骤2的筛选有效点并将其转换为空间三维点云的方法如下：
步骤2.1：将Kinect获取的深度和彩色图像对齐之后，使用OpenCV相应函数把彩色图转为灰度图；
步骤2.2：同时遍历步骤2.1中得到的灰度图和深度图，将灰度和深度都符合条件的像素提取出来；
步骤2.3：把步骤2.2中得到的像素通过相机内参矩阵和步骤1中的坐标系转换矩阵从二维图像坐标系转换至三维世界坐标系，得到点云。
所述步骤3中的预处理操作包括：
步骤3.1：通过点云库PCL的相应方法，把得到的点云按照每立方厘米保留一个点的方式进行降采样，以达到在不破坏点云几何特征的情况下大幅度降低后续点云处理的计算量；
步骤3.2：通过点云库PCL的相应方法，把步骤3.1得到的点云进行半径滤波处理以去除离群点，减小噪声的干扰。
所述步骤6中判断特征平面是否为栈板前平面的方法是运用特征平面的点云分布结合栈板真实的三维形状，步骤如下：
步骤6.1：把特征平面点云中所有点根据X坐标大小进行排序，取极大极小值并计算单位长度点的数量；
步骤6.2：根据X坐标极值设定若干区间，统计每一区间内点的数量，寻找点数量突然低于平均值或突然高于平均值的区间并按顺序记录；
步骤6.3：根据步骤6.2中得出的突变区间的顺序与栈板的实际三维形状进行匹配以确定该特征平面是否是栈板的前端面。
将步骤1计算所得出的转换矩阵填写进参数文件，后续的点云处理和目标定位等均在此世界坐标系下进行，算法运行过程中需保证相机光心在同一平面(与地面平行)内运动。
在步骤2中，调用Kinect的开源驱动libfreenect2采集周围环境的深度和彩色图像，使用openNI2的相应方法把二者之间的像素对齐，使用OpenCV将获得的彩色图转为灰度图，遍历灰度和深度图像，将灰度值高于设定阈值和深度大于设定阈值的像素剔除。
在步骤3中，将剩余像素转换为世界坐标系下的三维空间点云，并对点云进行预处理以便于后续操作的顺利进行，具体指剔除在世界坐标系下点云中Z坐标过大或者过低的点，调用点云库PCL中相应方法对点云进行降采样处理以降低后续处理的计算量，然后进行半径滤波处理以消除离群点，得到多个浮空的点云团。
在步骤3中，将像素转为空间点云的方法如下：
从图像坐标系转换至相机坐标系，又Kinect的内参矩阵均已知，由针孔相机模型可以得到：
其中，为图像坐标系下像素点坐标的齐次形式，为相机内部参数矩阵；为相机坐标系下的坐标；
再由步骤一得到相机坐标系到世界坐标系刚体变换矩阵，可得：
其中，为世界坐标系下三维点的空间坐标的齐次形式，为相机坐标系下三维点的坐标；
考虑到每帧数据可多达上万个点需要进行坐标系转换，且在设备位置固定的情况下坐标系矩阵与内参矩阵均已确定，为了节省计算资源，将上述计算过程做一数学上的变换，得到：
仅需一步矩阵乘法运算即可将图像点转换到世界坐标系中，实测可以降低一半以上的运算时间，以上运算过程用C++利用Eigen矩阵运算库编写。
在步骤4中，对步骤3中得到的点云调用PCL库相应方法根据点与点之间的欧氏距离进行聚类，设定聚类体最少和最多包含的点的数量两个阈值，进一步排除无效点团的干扰保证识别的准确率。
在步骤5中，处理步骤4中得到的聚类体，使用PCL库封装的随机抽样一致算法从聚类体中提取平面并得到这些平面的平面方程，记为Ax+By+Cz+D＝0，则平面法向量为[A BC]’，由于点云已在世界坐标系下故依据C是否足够小来判断该平面是否与地面垂直，若垂直则视为特征平面进一步处理。
在步骤6中，处理步骤5得到的特征平面得到可以进行匹配的几何特征点，目的为寻找到如图3所示的栈板前端面点云。
步骤6的特征平面处理方法具体为：
步骤6.1：把特征平局内所有点根据X坐标大小进行排序，取极大极小值并计算单位X坐标点的平均数量；
步骤6.2：根据X坐标极值设定若干区间，统计每一区间内点的数量，寻找点数量突然低于平均值或突然高于平均值的区间并将这些区间的中点分别记为0(下降沿点)和1(上升沿点)，同时计算01间的几何距离；
步骤6.3：根据b)中得出的上升下降沿的顺序及几何距离与栈板的实际三维形状进行匹配以确定该特征平面是否是栈板的前端面，如图3所示的点云得到的区间记录为0101，与栈板前端面完全匹配，则取中间两个区间中点为目标点(图4中的P1、P2两点)。
在步骤7中，确认特征面为栈板前端面后，计算其几何中心的三维空间位置，如图4所示，P1、P2两点即为步骤六提取出的目标点，则取两点的中点为栈板前端面的几何中心，计算该特征平面的法向量VA与世界坐标系Y轴方向向量y＝[010]’锐夹角为角度偏移，即
α＝arccos(VA·y/|VA|) (4)
并根据特征平面法向量X分量的正负来判断是否应该给计算出的偏移角加负号。
本发明可以同时获得彩色和深度信息的RGB-D相机(如Kinect)就成为了完成近距离物体识别定位任务的绝佳选择，并且相对于激光雷达，RGB-D相机在成本方面有着极大的优势。
与现有技术相比，本发明具有如下优点和有益效果：
本发明使用微软Kinect传感器进行栈板的识别和定位，无需人工为栈板添加标记，可以节省大量人力和时间成本，而且能够同时获得彩色和深度数据的RGB-D相机在工厂、车间等室内环境中相比于普通相机和激光雷达有着稳定性和成本方面无可比拟的优势。
本发明主要以栈板的前端面为特征结合栈板的三维尺寸进行识别，鲁棒性强，可以在视野中仅存在半个端面的情况下准确的识别出栈板中设定的目标点并计算出其几何中心的位置，动态性能良好，定位准确。
本发明对传感器获得的数据进行了多次滤波，在保证识别准确率的前提下极大地减少了整个算法的运算耗时，并且使用上升沿下降沿检测的方法匹配点云与栈板端面，相比与复杂的点云和图像匹配算法有着简单、快速、高效等优点。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于Kinect的栈板动态识别与定位方法，其特征在于，包括如下步骤：
步骤1：Kinect传感器通过采集地面的深度数据结合相机内参计算从相机坐标系到世界坐标系的转换矩阵；
步骤2：通过Kinect获取彩色和深度图像，并将彩色图和深度图中的像素对齐，遍历像素，根据灰度和深度数据筛选有效的数据点并将其转换为空间三维点云；
步骤3：对步骤2得到的点云进行预处理操作；
步骤4：对步骤3得到的点云进行欧氏聚类，得到一个或者多个聚类物体；
步骤5：处理步骤4得到的聚类体，提取所有聚类体中与地面方程的法向量平行的特征平面；
步骤6：逐个处理步骤5提取出的特征平面，由点云的分布情况找到突变点，根据突变点的数量和排列顺序判断特征平面是否符合栈板前端面的三维形状；
步骤7：根据步骤6找到的点云分布的突变点和栈板前端面平面方程，进行几何上的计算，确定栈板相对于世界坐标系原点的位置和偏转角度，实现栈板的定位。
2.根据权利要求1所述的栈板动态识别与定位方法，其特征在于，所述步骤1中计算转换矩阵的方法如下：
步骤1.1：将Kinect传感器放置于相对地面固定的位置，视角倾斜向下；
步骤1.2：通过相机内参矩阵把深度图转换为点云，使用随机抽样一致算法在每帧点云中分割出地面并计算其平面方程，然后提取所有内点坐标写入内存；
步骤1.3：重复步骤1.2直到采集到足够多的点，使用最小二乘法拟合平面求解超定方程组，得到在相机坐标系下足够精确的地面方程；
步骤1.4：以步骤1.3得到的地面方程的法向量为世界坐标系Z轴，相机坐标系下X轴在地平面上的投影方向为世界坐标系X轴，相机坐标系下Z轴在地平面的投影方向为世界坐标系Y轴，计算从相机坐标系到世界坐标系的转换矩阵。
3.根据权利要求1所述的栈板动态识别与定位方法，其特征在于，所述步骤2的筛选有效点并将其转换为空间三维点云的方法如下：
步骤2.1：将Kinect获取的深度和彩色图像对齐之后，使用OpenCV相应函数把彩色图转为灰度图；
步骤2.2：同时遍历步骤2.1中得到的灰度图和深度图，将灰度和深度都符合条件的像素提取出来；
步骤2.3：把步骤2.2中得到的像素通过相机内参矩阵和步骤1中的坐标系转换矩阵从二维图像坐标系转换至三维世界坐标系，得到点云。
4.根据权利要求1所述的栈板动态识别与定位方法，其特征在于，所述步骤3中的预处理操作包括：
步骤3.1：通过点云库PCL的相应方法，把得到的点云按照每立方厘米保留一个点的方式进行降采样，以达到在不破坏点云几何特征的情况下大幅度降低后续点云处理的计算量；
步骤3.2：通过点云库PCL的相应方法，把步骤3.1得到的点云进行半径滤波处理以去除离群点，减小噪声的干扰。
5.根据权利要求1所述的栈板动态识别与定位方法，其特征在于，所述步骤6中判断特征平面是否为栈板前平面的方法是运用特征平面的点云分布结合栈板真实的三维形状，步骤如下：
步骤6.1：把特征平面点云中所有点根据X坐标大小进行排序，取极大极小值并计算单位长度点的数量；
步骤6.2：根据X坐标极值设定若干区间，统计每一区间内点的数量，寻找点数量突然低于平均值或突然高于平均值的区间并按顺序记录；
步骤6.3：根据步骤6.2中得出的突变区间的顺序与栈板的实际三维形状进行匹配以确定该特征平面是否是栈板的前端面。
6.根据权利要求1所述的栈板动态识别与定位方法，其特征在于，将步骤1计算所得出的转换矩阵填写进参数文件，后续的点云处理和目标定位等均在此世界坐标系下进行，算法运行过程中需保证相机光心在同一平面内运动。
7.根据权利要求1所述的栈板动态识别与定位方法，其特征在于，在所述步骤5中，处理步骤4中得到的聚类体，使用PCL库封装的随机抽样一致算法从聚类体中提取平面并得到这些平面的平面方程，记为Ax+By+Cz+D＝0，则平面法向量为[A B C]’，由于点云已在世界坐标系下故依据C是否足够小来判断该平面是否与地面垂直，若垂直则视为特征平面。
8.根据权利要求5所述的栈板动态识别与定位方法，其特征在于：
在所述步骤6.1中，把特征平局内所有点根据X坐标大小进行排序，取极大极小值并计算单位X坐标点的平均数量；
在所述步骤6.2中，根据X坐标极值设定若干区间，统计每一区间内点的数量，寻找点数量突然低于平均值或突然高于平均值的区间并将这些区间的中点分别记为0和1，同时计算0与1间的几何距离，0为下降沿点，1为上升沿点；
在所述步骤6.3中，根据步骤6.2中得出的上升下降沿的顺序及几何距离与栈板的实际三维形状进行匹配以确定该特征平面是否是栈板的前端面。
9.一种基于Kinect的栈板动态识别与定位系统，其特征在于，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现权利要求1-8中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现权利要求1-8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710829915.7A CN107610176B (zh) | 2017-09-15 | 2017-09-15 | 一种基于Kinect的栈板动态识别与定位方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710829915.7A CN107610176B (zh) | 2017-09-15 | 2017-09-15 | 一种基于Kinect的栈板动态识别与定位方法、系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107610176A true CN107610176A (zh) | 2018-01-19 |
| CN107610176B CN107610176B (zh) | 2020-06-26 |
Family
ID=61062412
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710829915.7A Active CN107610176B (zh) | 2017-09-15 | 2017-09-15 | 一种基于Kinect的栈板动态识别与定位方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107610176B (zh) |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109035330A (zh) * | 2018-08-17 | 2018-12-18 | 深圳蓝胖子机器人有限公司 | 箱体拟合方法、设备和计算机可读存储介质 |
| CN109033989A (zh) * | 2018-07-02 | 2018-12-18 | 深圳辰视智能科技有限公司 | 基于三维点云的目标识别方法、装置及存储介质 |
| CN109087345A (zh) * | 2018-09-06 | 2018-12-25 | 上海仙知机器人科技有限公司 | 基于ToF成像系统的栈板识别方法及自动导引运输车 |
| CN109213202A (zh) * | 2018-08-17 | 2019-01-15 | 深圳蓝胖子机器人有限公司 | 基于光学伺服的货物摆放方法、装置、设备和存储介质 |
| CN109696127A (zh) * | 2019-03-05 | 2019-04-30 | 浙江国自机器人技术有限公司 | 一种激光识别的方法和设备 |
| CN110285779A (zh) * | 2019-06-12 | 2019-09-27 | 智久(厦门)机器人科技有限公司 | 一种深度相机的角度误差补偿方法、装置、存储介质 |
| CN110348333A (zh) * | 2019-06-21 | 2019-10-18 | 深圳前海达闼云端智能科技有限公司 | 物体检测方法、装置、存储介质及电子设备 |
| CN110376195A (zh) * | 2019-07-11 | 2019-10-25 | 中国人民解放军国防科技大学 | 一种爆炸物检测方法 |
| CN110553628A (zh) * | 2019-08-28 | 2019-12-10 | 华南理工大学 | 一种基于深度相机的捕捉飞行物体的方法 |
| CN110850868A (zh) * | 2019-10-12 | 2020-02-28 | 浙江大华机器人技术有限公司 | 地牛agv对接的纠偏方法、装置、设备以及存储介质 |
| CN110852180A (zh) * | 2019-10-17 | 2020-02-28 | 上海快仓智能科技有限公司 | 用于自动引导车的tof相机标定方法及自动引导车 |
| CN110866950A (zh) * | 2018-08-27 | 2020-03-06 | 台达电子工业股份有限公司 | 物件定位指引系统及其方法 |
| CN110889828A (zh) * | 2019-11-07 | 2020-03-17 | 浙江大华技术股份有限公司 | 预定场景中的栈板识别方法、终端设备、计算机存储介质 |
| CN110884901A (zh) * | 2019-10-12 | 2020-03-17 | 浙江大华机器人技术有限公司 | 堆垛车agv对接的纠偏方法、装置、设备以及存储介质 |
| CN111681282A (zh) * | 2020-06-18 | 2020-09-18 | 浙江大华技术股份有限公司 | 一种栈板识别处理方法及装置 |
| CN111798398A (zh) * | 2020-07-10 | 2020-10-20 | 三一重工股份有限公司 | 点云降噪方法、装置、电子设备和计算机可读存储介质 |
| CN111986296A (zh) * | 2020-08-20 | 2020-11-24 | 叠境数字科技（上海）有限公司 | 一种用于子弹时间的cg动画合成方法 |
| CN112184804A (zh) * | 2020-08-31 | 2021-01-05 | 季华实验室 | 大体积工件高密度焊点定位方法、装置、存储介质及终端 |
| CN112543877A (zh) * | 2019-04-03 | 2021-03-23 | 华为技术有限公司 | 定位方法和定位装置 |
| CN112686924A (zh) * | 2019-10-17 | 2021-04-20 | 北京极智嘉科技有限公司 | 一种智能叉车以及定位托盘的方法 |
| WO2021072720A1 (zh) * | 2019-10-17 | 2021-04-22 | 深圳市大疆创新科技有限公司 | 获取雷达位置的方法、雷达以及可移动平台 |
| CN112991466A (zh) * | 2021-04-26 | 2021-06-18 | 杭州灵西机器人智能科技有限公司 | 一种基于不完整标定板的相机标定的方法和系统 |
| CN113256713A (zh) * | 2021-06-10 | 2021-08-13 | 浙江华睿科技有限公司 | 一种栈板位置识别方法、装置、电子设备及存储介质 |
| WO2022000973A1 (zh) * | 2020-07-01 | 2022-01-06 | 苏州维嘉科技股份有限公司 | 孔集配准的方法、装置、设备及存储介质 |
| CN114004899A (zh) * | 2021-11-12 | 2022-02-01 | 广东嘉腾机器人自动化有限公司 | 一种栈板位姿识别方法、存储介质及设备 |
| US20220067960A1 (en) * | 2019-04-25 | 2022-03-03 | Beijing Geekplus Technology Co. Ltd. | Intelligent forklift and method for detecting pose deviation of container |
| CN111986296B (zh) * | 2020-08-20 | 2024-05-03 | 叠境数字科技（上海）有限公司 | 一种用于子弹时间的cg动画合成方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105021124A (zh) * | 2015-04-16 | 2015-11-04 | 华南农业大学 | 一种基于深度图的平面零件三维位置和法向量计算方法 |
| CN105913489A (zh) * | 2016-04-19 | 2016-08-31 | 东北大学 | 一种利用平面特征的室内三维场景重构方法 |
| CN105976375A (zh) * | 2016-05-06 | 2016-09-28 | 苏州中德睿博智能科技有限公司 | 一种基于rgb-d类传感器的托盘识别和定位方法 |
| CN106570903A (zh) * | 2016-10-13 | 2017-04-19 | 华南理工大学 | 一种基于rgb‑d摄像头的视觉识别与定位方法 |
| CN106813568A (zh) * | 2015-11-27 | 2017-06-09 | 阿里巴巴集团控股有限公司 | 物体测量方法及装置 |
| CN106952299A (zh) * | 2017-03-14 | 2017-07-14 | 大连理工大学 | 一种适用于智能移动设备的三维光场技术实现方法 |
-
2017
- 2017-09-15 CN CN201710829915.7A patent/CN107610176B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105021124A (zh) * | 2015-04-16 | 2015-11-04 | 华南农业大学 | 一种基于深度图的平面零件三维位置和法向量计算方法 |
| CN106813568A (zh) * | 2015-11-27 | 2017-06-09 | 阿里巴巴集团控股有限公司 | 物体测量方法及装置 |
| CN105913489A (zh) * | 2016-04-19 | 2016-08-31 | 东北大学 | 一种利用平面特征的室内三维场景重构方法 |
| CN105976375A (zh) * | 2016-05-06 | 2016-09-28 | 苏州中德睿博智能科技有限公司 | 一种基于rgb-d类传感器的托盘识别和定位方法 |
| CN106570903A (zh) * | 2016-10-13 | 2017-04-19 | 华南理工大学 | 一种基于rgb‑d摄像头的视觉识别与定位方法 |
| CN106952299A (zh) * | 2017-03-14 | 2017-07-14 | 大连理工大学 | 一种适用于智能移动设备的三维光场技术实现方法 |
Non-Patent Citations (4)
| Title |
|---|
| HUY-HIEU PHAM等: "Real-Time Obstacle Detection System in Indoor Environment for the Visually Impaired Using Microsoft Kinect Sensor", 《JOURNAL OF SENSORS》 * |
| 刘芳: "基于3D点云的可操作对象识别方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 杨磊等: "一种基于深度信息的障碍物检测方法", 《计算机技术与发展》 * |
| 王军华等: "基于改进RANSAC的消防机器人双目障碍检测", 《计算机工程与应用》 * |
Cited By (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033989A (zh) * | 2018-07-02 | 2018-12-18 | 深圳辰视智能科技有限公司 | 基于三维点云的目标识别方法、装置及存储介质 |
| CN109033989B (zh) * | 2018-07-02 | 2020-11-24 | 深圳辰视智能科技有限公司 | 基于三维点云的目标识别方法、装置及存储介质 |
| CN109213202A (zh) * | 2018-08-17 | 2019-01-15 | 深圳蓝胖子机器人有限公司 | 基于光学伺服的货物摆放方法、装置、设备和存储介质 |
| CN109035330A (zh) * | 2018-08-17 | 2018-12-18 | 深圳蓝胖子机器人有限公司 | 箱体拟合方法、设备和计算机可读存储介质 |
| CN109213202B (zh) * | 2018-08-17 | 2022-02-08 | 深圳蓝胖子机器智能有限公司 | 基于光学伺服的货物摆放方法、装置、设备和存储介质 |
| CN110866950B (zh) * | 2018-08-27 | 2022-08-09 | 台达电子工业股份有限公司 | 物件定位指引系统及其方法 |
| CN110866950A (zh) * | 2018-08-27 | 2020-03-06 | 台达电子工业股份有限公司 | 物件定位指引系统及其方法 |
| CN109087345A (zh) * | 2018-09-06 | 2018-12-25 | 上海仙知机器人科技有限公司 | 基于ToF成像系统的栈板识别方法及自动导引运输车 |
| CN109696127A (zh) * | 2019-03-05 | 2019-04-30 | 浙江国自机器人技术有限公司 | 一种激光识别的方法和设备 |
| CN109696127B (zh) * | 2019-03-05 | 2021-07-23 | 浙江国自机器人技术股份有限公司 | 一种激光识别的方法和设备 |
| CN112543877B (zh) * | 2019-04-03 | 2022-01-11 | 华为技术有限公司 | 定位方法和定位装置 |
| CN112543877A (zh) * | 2019-04-03 | 2021-03-23 | 华为技术有限公司 | 定位方法和定位装置 |
| US11625854B2 (en) * | 2019-04-25 | 2023-04-11 | Beijing Geekplus Technology Co. Ltd. | Intelligent forklift and method for detecting pose deviation of container |
| US20220067960A1 (en) * | 2019-04-25 | 2022-03-03 | Beijing Geekplus Technology Co. Ltd. | Intelligent forklift and method for detecting pose deviation of container |
| CN110285779A (zh) * | 2019-06-12 | 2019-09-27 | 智久(厦门)机器人科技有限公司 | 一种深度相机的角度误差补偿方法、装置、存储介质 |
| CN110348333A (zh) * | 2019-06-21 | 2019-10-18 | 深圳前海达闼云端智能科技有限公司 | 物体检测方法、装置、存储介质及电子设备 |
| CN110376195A (zh) * | 2019-07-11 | 2019-10-25 | 中国人民解放军国防科技大学 | 一种爆炸物检测方法 |
| CN110553628A (zh) * | 2019-08-28 | 2019-12-10 | 华南理工大学 | 一种基于深度相机的捕捉飞行物体的方法 |
| CN110884901A (zh) * | 2019-10-12 | 2020-03-17 | 浙江大华机器人技术有限公司 | 堆垛车agv对接的纠偏方法、装置、设备以及存储介质 |
| CN110850868A (zh) * | 2019-10-12 | 2020-02-28 | 浙江大华机器人技术有限公司 | 地牛agv对接的纠偏方法、装置、设备以及存储介质 |
| CN110884901B (zh) * | 2019-10-12 | 2021-07-20 | 浙江华睿科技有限公司 | 堆垛车agv对接的纠偏方法、装置、设备以及存储介质 |
| WO2021072720A1 (zh) * | 2019-10-17 | 2021-04-22 | 深圳市大疆创新科技有限公司 | 获取雷达位置的方法、雷达以及可移动平台 |
| CN112686924A (zh) * | 2019-10-17 | 2021-04-20 | 北京极智嘉科技有限公司 | 一种智能叉车以及定位托盘的方法 |
| CN110852180A (zh) * | 2019-10-17 | 2020-02-28 | 上海快仓智能科技有限公司 | 用于自动引导车的tof相机标定方法及自动引导车 |
| CN110889828A (zh) * | 2019-11-07 | 2020-03-17 | 浙江大华技术股份有限公司 | 预定场景中的栈板识别方法、终端设备、计算机存储介质 |
| CN111681282A (zh) * | 2020-06-18 | 2020-09-18 | 浙江大华技术股份有限公司 | 一种栈板识别处理方法及装置 |
| WO2022000973A1 (zh) * | 2020-07-01 | 2022-01-06 | 苏州维嘉科技股份有限公司 | 孔集配准的方法、装置、设备及存储介质 |
| CN111798398B (zh) * | 2020-07-10 | 2023-09-22 | 盛景智能科技(嘉兴)有限公司 | 点云降噪方法、装置、电子设备和计算机可读存储介质 |
| CN111798398A (zh) * | 2020-07-10 | 2020-10-20 | 三一重工股份有限公司 | 点云降噪方法、装置、电子设备和计算机可读存储介质 |
| CN111986296B (zh) * | 2020-08-20 | 2024-05-03 | 叠境数字科技（上海）有限公司 | 一种用于子弹时间的cg动画合成方法 |
| CN111986296A (zh) * | 2020-08-20 | 2020-11-24 | 叠境数字科技（上海）有限公司 | 一种用于子弹时间的cg动画合成方法 |
| CN112184804A (zh) * | 2020-08-31 | 2021-01-05 | 季华实验室 | 大体积工件高密度焊点定位方法、装置、存储介质及终端 |
| CN112184804B (zh) * | 2020-08-31 | 2024-03-22 | 季华实验室 | 大体积工件高密度焊点定位方法、装置、存储介质及终端 |
| CN112991466B (zh) * | 2021-04-26 | 2021-09-10 | 杭州灵西机器人智能科技有限公司 | 一种基于不完整标定板的相机标定的方法和系统 |
| CN112991466A (zh) * | 2021-04-26 | 2021-06-18 | 杭州灵西机器人智能科技有限公司 | 一种基于不完整标定板的相机标定的方法和系统 |
| CN113256713B (zh) * | 2021-06-10 | 2021-10-15 | 浙江华睿科技股份有限公司 | 一种栈板位置识别方法、装置、电子设备及存储介质 |
| CN113256713A (zh) * | 2021-06-10 | 2021-08-13 | 浙江华睿科技有限公司 | 一种栈板位置识别方法、装置、电子设备及存储介质 |
| CN114004899A (zh) * | 2021-11-12 | 2022-02-01 | 广东嘉腾机器人自动化有限公司 | 一种栈板位姿识别方法、存储介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107610176B (zh) | 2020-06-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107610176A (zh) | 一种基于Kinect的栈板动态识别与定位方法、系统及介质 | |
| CN107507167B (zh) | 一种基于点云平面轮廓匹配的货物托盘检测方法及系统 | |
| CN111665842B (zh) | 一种基于语义信息融合的室内slam建图方法及系统 | |
| CN108629231B (zh) | 障碍物检测方法、装置、设备及存储介质 | |
| CN107590836A (zh) | 一种基于Kinect的充电桩动态识别与定位方法及系统 | |
| CN112613378B (zh) | 3d目标检测方法、系统、介质及终端 | |
| CN111046776A (zh) | 基于深度相机的移动机器人行进路径障碍物检测的方法 | |
| CN104463108A (zh) | 一种单目实时目标识别及位姿测量方法 | |
| CN112883820B (zh) | 基于激光雷达点云的道路目标3d检测方法及系统 | |
| CN105046688A (zh) | 一种三维点云中的多平面自动识别方法 | |
| CN102236794A (zh) | 3d场景中3d对象的识别和姿态确定 | |
| CN103727930A (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
| CN109948413A (zh) | 基于高精度地图融合的车道线检测方法 | |
| CN115546202B (zh) | 一种用于无人叉车的托盘检测与定位方法 | |
| Bellandi et al. | Roboscan: a combined 2D and 3D vision system for improved speed and flexibility in pick-and-place operation | |
| CN110207702B (zh) | 目标定位的方法及装置 | |
| CN112184804A (zh) | 大体积工件高密度焊点定位方法、装置、存储介质及终端 | |
| CN106500594B (zh) | 融合反射强度和几何特征的铁路轨道半自动检测方法 | |
| CN112729318A (zh) | 一种agv叉车自主定位移动slam导航系统 | |
| Giosan et al. | Superpixel-based obstacle segmentation from dense stereo urban traffic scenarios using intensity, depth and optical flow information | |
| CN112197773A (zh) | 基于平面信息的视觉和激光定位建图方法 | |
| CN116309882A (zh) | 一种面向无人叉车应用的托盘检测和定位方法及系统 | |
| CN113340201B (zh) | 一种基于rgbd相机的三维测量方法 | |
| CN109815966A (zh) | 一种基于改进sift算法的移动机器人视觉里程计实现方法 | |
| CN116309817A (zh) | 一种基于rgb-d相机的托盘检测与定位方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |